基于GA-LSSVM模型预测膜蒸馏水处理系统中膜污染趋势的方法技术方案

本发明专利技术公开了基于GA-LSSVM模型预测膜蒸馏水处理系统中膜污染趋势的方法，首先利用LSSVM算法建立膜蒸馏污水处理过程的预测模型；其次分别在拟稳定状态和非稳定状态下，利用GA算法优化预测模型的参数；然后分别在拟稳定状态和非稳定状态下，利用优化的预测模型对膜通量以及膜污染阻力的变化趋势进行预测，并分析膜蒸馏的基本操作参数对膜通量和膜污染阻力的影响；最后对预测结果进行灵敏度分析计算，确定出影响膜通量和膜污染阻力的主导因素。本发明专利技术利用GA-LSSVM实时预测膜通量以及膜污染阻力变化情况，将膜蒸馏基本操作参对膜污染的影响明晰化、量化。

【技术实现步骤摘要】

本专利技术属于膜蒸馏技术、污水废水处理领域，特别涉及了基于GA-LSSVM模型预测 膜蒸馏水处理系统中膜污染趋势的方法。
技术介绍
近年来，膜分离技术发展迅速，包括纳滤膜、超滤膜、反渗透膜、膜蒸馏，它们的快 速发展为城市污水处理和工业废水处理提供新途径。膜蒸馏是基于气液平衡及传热传质原 理的热驱动过程，以微孔疏水膜为介质，在膜两侧蒸气压差的作用下，进水中的挥发性组分 以蒸汽形式透过膜孔，在膜的低温侧冷凝为液态，而非挥发性组分留在热侧进料液中，从而 达到分离并去除污染物的目的。膜蒸馏技术应用于污水处理过程的优点在于：1、膜蒸馏浓 缩过程在常压下进行，设备简单，操作方便；2、在非挥发性水溶液的膜蒸馏过程中，仅有水 蒸气能透过疏水膜孔，因此出水水质好；3、与反渗透相比，盐浓度以及浓差极化对膜蒸馏影 响较小，因此可以处理含有高浓度无机盐的溶液，甚至可以将溶液浓缩到过饱和状态。 然而，利用膜蒸馏技术处理污水最主要的限制来源于膜污染，膜污染会严重导致 膜通量的降低，膜蒸馏处理效率的下降。此外，膜污染还将增加额外的膜清洗费用，缩短膜 的使用寿命，并且因污水处理过程中需要频繁地更换新膜，而增加了处理费用。膜的运行过 程中，其污染程度主要取决于3个因素：1、系统的运行参数；2、进水水质；3、膜本身性能。由 于膜分离过程的非线性特征以及膜污染与系统操作参数之间关系的模糊性，导致了膜蒸馏 处理过程中，其基本操作参数（比如：温度差、错流速度、进水pH、膜孔径、溶质粒子的粒径 大小等）对膜污染的具体量化的影响还不明晰，有待进一步的研宄。因此，为探明系统操作 参数对膜污染的具体影响并将这种影响进行量化，需对膜蒸馏处理过程进行数学模拟，即 建立膜蒸馏污水处理过程的预测模型。 目前，用于预测膜分离过程的数学模型大致分为两类：1、理论模型（参数模型）； 2、非参数模型；其中理论模型是基于机理知识的（即基本参数对膜污染的影响机理），要 求对相应的膜污染影响机理非常了解，才可以应用理论模型进行膜污染预测，但运算复杂、 计算处理费用昂贵。而非参数模型则不需要对相应机理（基本参数对膜污染的影响机理） 了解得很透彻，弥补了理论模型存在的弊端。由于膜蒸馏处理过程的复杂性以及基本操作 参数对膜污染影响机理的不明确性，因此需要选取合适的非参数模型对膜蒸馏过程进行预 测。目前，应用较多的算法模型有很多，包括GP (遗传规划算法）、模糊系统、ANN(人工神经 网络）等，其中当前应用最多的是ANN模型，它被广泛运用于各种膜分离处理过程（例如： 微滤MF、超滤UF、反渗透RO、纳滤NF、电渗析ED)，其中ANN还成功用于膜蒸馏过程的模拟 预测。但是ANN存在以下缺点：1、预测结果仅为局部极小值，而非全局极小值；2、难以确定 其网络拓扑结构；3、易出现过度拟合问题。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供基于GA-LSSVM模型预 测膜蒸馏水处理系统中膜污染趋势的方法，利用GA-LSSVM实时预测膜通量以及膜污染阻 力变化情况，将膜蒸馏基本操作参对膜污染的影响明晰化、量化。 为了实现上述技术目的，本专利技术的技术方案为： 基于GA-LSSVM模型预测膜蒸馏水处理系统中膜污染趋势的方法，包括以下步骤： (1)利用LSSVM算法建立膜蒸馏污水处理过程的预测模型； (2)分别在拟稳定状态和非稳定状态下，利用GA算法优化步骤（1)建立的预测模 型的参数； (3)分别在拟稳定状态和非稳定状态下，利用步骤⑵优化的预测模型对膜通量 以及膜污染阻力的变化趋势进行预测，并分析膜蒸馏的基本操作参数对膜通量和膜污染阻 力的影响； (4)对步骤（3)得到的预测结果进行灵敏度分析计算，确定出影响膜通量和膜污 染阻力的主导因素。 步骤（1)的具体过程如下： 首先，输入数据记为X，输出数据记为Y，这些数据分为训练数据和测试数据，所述 训练数据的集合记为A= {(Xi,y)，…，（Xi,y),…，（xN,yN)}，其中，x#X，yiGY，1彡i彡N， N为训练数据集合的大小，利用非线性映射函数建立如下式（1)的回归模型，将输入数据X 映射到高维特征空间， yt =w1 (pix^ +b (1) 式⑴中，w为权值，b为偏置项，供("为非线性映射函数； 然后，建立式⑵所示的LSSVM优化问题， 式⑵中i为松弛因子0,y为正则常数； 最后，构造式（3)所示的拉格朗日函数，求解LSSVM最优化问题， 式⑶中4为拉格朗日乘数；分别对w，b, |i，a#偏导数，并令偏导数为0,消去 w和|i，得式（4)，式（4)中，Y = T，1N= T，a = T，IN为NXN的单 位矩阵，D为NXN的矩阵，它的第i行第j列的元素0-,,=</^)>(.v,) =/c'(.vパ,），K(Xi，XJ) 是内核函数。 所述内核函数采用径向基函数： 式（5)中，〇 2为内核参数。 步骤（2)中所述利用GA算法优化的参数包括正则常数Y和内核参数〇 2。 步骤（3)的具体过程为，分别在拟稳定状态和非稳定状态下进行如下操作： 将温度差、错流速度、进水pH、膜孔径和膜蒸馏处理时间作为预测模型的输入数 据，将膜通量和膜污染阻力作为预测模型的输出数据，每次仅改变温度差、错流速度、进水PH、膜孔径和膜蒸馏处理时间中的一个参数，保证其他参数不变，运用GA算法优化LSSVM模 型的参数，并将优化后的参数代入LSSVM模型进行预测，再利用均方根误差RMSE和回归系 数R2这两个评价参数对预测性能进行评价，当RMSE越接近于0且R2越接近于1时，表明预 测性能越好。 在步骤（4)中，分别采用斯皮尔曼相关性、伽马相关性、肯德尔相关性和皮尔逊相 关性对预测结果进行灵敏度分析计算。 采用上述技术方案带来的有益效果： 本专利技术采用最小二乘支持向量机LSSVM来建立预测模型，克服了常用模型的缺 点，其适应性和预测性能较好，预测的速度也更快；本专利技术选用遗传算法GA对LSSVM模型参 数进行优化，具有既可处理离散变量又可处理连续变量、针对非线性目标以及不需要梯度 信息来约束函数等优点，优化精度较高；本专利技术还对预测结果进行灵敏度分析计算，筛选出 影响膜通量以及膜污染阻力的主导因素。【附图说明】 图1是本专利技术的基本流程图； 图2是本专利技术GA算法流程图。【具体实施方式】 以下将结合附图，对本专利技术的技术方案进行详细说明。 如图1所示本专利技术的基本流程图，基于GA-LSSVM模型预测膜蒸馏水处理系统中膜 污染趋势的方法，包括以下步骤： 第一步：利用LSSVM算法建立膜蒸馏污水处理过程的预测模型；其具体过程如 下： 首先，输入数据记为X，输出数据记为Y，这些数据分为训练数据和测试数据，所述 训练数据的集合记为A= {(Xi,y)，…，（Xi,y),…，（xN,yN)}，其中，x#X，yiGY，1彡i彡N， N为训练数据集合的大小，利用非线性映射函数建立如下式（1)的回归模型，将输入数据X 映射到高维特征空间， _r, =wT(p{xi) + h (1) 式⑴中，W为权值，b为偏置项，<?(，为非线性映射函数； 然后，建立式⑵所示的LSSVM优化问题， 式⑵中，L为松弛因子，I i>0,Y为正则常本文档来自技高网...

【技术保护点】
基于GA‑LSSVM模型预测膜蒸馏水处理系统中膜污染趋势的方法，其特征在于，包括以下步骤：(1)利用LSSVM算法建立膜蒸馏污水处理过程的预测模型；(2)分别在拟稳定状态和非稳定状态下，利用GA算法优化步骤(1)建立的预测模型的参数；(3)分别在拟稳定状态和非稳定状态下，利用步骤(2)优化的预测模型对膜通量以及膜污染阻力的变化趋势进行预测，并分析膜蒸馏的基本操作参数对膜通量和膜污染阻力的影响；(4)对步骤(3)得到的预测结果进行灵敏度分析计算，确定出影响膜通量和膜污染阻力的主导因素。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈琳，刘畅，朱亮，靳斌斌，赵苇航，王俊，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32